PK/PD 监管指南台账全解读ICH、FDA、EMA 指南要求与各分析类型的申报报告标准基于 pkpd-modeling【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills导读在药物研发中PK/PD 分析非房室分析、群体药代动力学、暴露-效应、生物等效性、PBPK、药物相互作用等的每一项结果最终都要经受监管机构的审视。本文基于scientific-agent-skills仓库中 pkpd-modeling 技能的核心参考文档 regulatory-guidance.md系统梳理 ICH、FDA、EMA 与 PK/PD 建模直接相关的指南台账含关键日期与状态、各分析类型必须向监管方申报的具体内容并结合仓库内 11 个可执行脚本与 14 篇参考文献说明每一项监管要求在本技能中对应的落地工具。读完本文你将掌握申报一份 PK/PD 分析报告时需要引用哪些指南、每类分析NCA、popPK、E-R、BE、PBPK、DDI必须陈述的要素清单以及监管方评价模型的底层逻辑——intended use预期用途优先。文档定位与使用前提regulatory-guidance.md在仓库中扮演监管台账角色它不是一篇分析教程而是一张带日期、状态和常被遗漏的要求的指南索引表。文档自身明确声明状态核验时间为2026-07-27ICH 指南是公开出版物其要求被直接概括引用正式申报时必须始终以权威版本为准always work from the authoritative copy for a submission。这也提醒读者本文及原文档中的日期、状态仅是台账快照实际递交前应到各监管机构官网核验最新版本。仓库中与该文档配套的完整体系可见 skills/pkpd-modeling/SKILL.md技能内 11 个脚本nca.py、fit_compartmental.py、simulate_regimen.py、check_popk_dataset.py、exposure_response.py、bioequivalence.py、allometry_and_fih.py、ddi_static.py、tdm_bayes.py等负责计算与诊断而监管指南则回答这些计算结果要按什么标准申报。所有脚本均以--format table|tsv|json输出数据走 stdout、溯源与发现走 stderr退出码0/1/2分别表示无发现、有发现、输入错误可直接用于门控工作流。ICH 指南台账全球协调框架ICH国际人用药品注册技术协调会指南采用 Step 1-4 的协调流程Step 4 表示最终定稿。原文档的 ICH 台账共列出 10 份与 PK/PD 分析直接相关的指南指南主题状态M12药物相互作用研究2024 年 Step 4。FDA 于2024 年 8 月 2 日采纳并附问答文件2024 年 11 月 30 日在欧盟生效2024 年 10 月 29 日在中国实施。首份全球协调的 DDI 指南M13A速释固体口服制剂生物等效性2024 年 7 月Step 42025 年 1 月 25 日生效M13B附加规格与附加规格生物豁免2025 年 3 月 13 日背书Step 2b2025 年 4 月 9 日 - 7 月 9 日公开咨询M13C高变异药物、窄治疗指数药物及复杂设计的 BE 数据分析在 M13B 达到 Step 2 后启动。参考标度法在落地前仍属区域政策E11A儿科外推2024 年 8 月 21 日Step 42025 年 1 月 25 日生效M10生物分析方法验证每个浓度测定值背后的分析方法见analytical-method-validation技能E14QT/QTc 延长的临床评价含问答修订2022 年问答新增双重阴性非临床路径S7BQT 延长的非临床评价与 E14 通过联合问答配对使用E4支持注册的剂量-反应信息暴露-反应分析的基础E7特殊人群老年研究—ICH M12第一份全球协调的 DDI 指南M12 是首份关于代谢酶与转运体介导的药物相互作用药代动力学研究的全球协调指南取代了此前 FDA 的体外/临床 DDI 指南和 EMA 的 DDI 指南。仓库中与 M12 直接对应的工具是 ddi_static.py详见 ddi-and-qt.md其基础模型与 M12 的风险分层评估一一对应python3 ddi_static.py --basic --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 python3 ddi_static.py --msm --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 --fm 0.9 --fg 0.7M12 的逐步评估框架为体外表征 → 基础模型保守截断值→ 机制性静态模型或 PBPK 精化 → 临床研究 → 说明书结论。基础模型被刻意设计为过度预测阴性结果有意义阳性结果只是触发进一步工作的信号而非临床量级的估计。这与ddi_static.py --basic的行为一致——脚本只报告是否触发不预测临床幅度。ICH M13 系列生物等效性协调进程生物等效性系列详见 bioequivalence.mdM13 是首份全球协调的 BE 指南取代了零散的区域要求。M13C 尚未落地之前参考标度法reference-scaling仍属区域政策且彼此不兼容——这是关于标度 BE 最重要的实践事实FDA 与 EMA 互不认可对方的方法一项研究必须按其递交机构的判据来设计。仓库中的对应工具是 bioequivalence.py它实现了 ABE90% 置信区间落在 80.00-125.00% 内、EMA 的 ABEL依 CVwR 放宽限度封顶 69.84-143.19%点估计仍须落在 80-125% 内和 FDA 的 RSABE通过 Hyslop 法评估的线性化标度界本身并非区间判据。脚本会拒绝在 2×2 设计上运行参考标度error: reference-scaling requires --design replicate. High observed variability in a 2x2 study does not license widening: without replicated reference administrations there is no estimate of within-subject reference variability to scale to.ICH E11A儿科外推的正式框架E11A2024 年 8 月 21 日 Step 42025 年 1 月 25 日生效正式确立了利用成人或其他人群数据支持儿科结论的框架从疾病相似性、治疗反应、暴露-反应关系构建儿科外推概念量化假设与残余不确定性所需儿科新数据量随外推信心反向变化。仓库中对应的深度内容见 special-populations.md——它指出儿科剂量选择预期是模型驱动的含 popPK 与 PBPK而非从成人说明书做 mg/kg 外推实操上 allometry_and_fih.py 通过--scale --weight-to与--pma-weeks提供包含 Anderson-Holford 成熟项的尺寸-成熟度分型缩放。ICH E14 / S7BQT 评价框架E14临床 QT/QTc 评价与 S7B非临床 QT 评价通过联合问答配对。监管关注阈值为QTc 效应超过 10 ms以临床相关高暴露下安慰剂校正的基线变化 QTcΔΔQTc双侧 90% 置信区间上限来判定。2022 年问答新增了双重阴性综合非临床风险评估路径——阴性 hERG 实验加阴性在体 QTc 研究——作为补充证据允许申报方在不达到临床相关暴露高倍数的情况下覆盖高临床暴露。仓库中 exposure_response.py 的--cqtc模式实现了用于筛选的普通线性回归版本并标记超出观测浓度范围的 extrapolationpython3 exposure_response.py --cqtc -i qt.csv --cmax 250需注意申报级的 C-QTc 分析应为带受试者随机截距与斜率的线性混合效应模型见 pd-and-exposure-response.md脚本中的线性模型仅用于筛选。FDA 指南台账哪些要求常被遗漏FDA 台账是原文档最具实战价值的部分——它逐条标出guidance 要求但常被遗漏的点指南日期常被遗漏的要求群体药代动力学最终版2022 年 2 月前瞻性分析计划明确的 BLQ 处理基于模拟的诊断VPC、pcVPC、NPC、NPDE。特别指出基于参数收缩shrinkage进行模型选择并无必要优化肿瘤治疗用处方药及生物制品剂量Project Optimus最终版2024 年 8 月确定使获益-风险最大化的剂量而非 MTD随机比较不止一个剂量每份方案中都要有足以支持群体 PK 与安全/疗效剂量/暴露-反应分析的 PK 采样与分析计划早期评估内在因素与 DDI暴露-反应关系2003至今仍是 E-R 研究设计与分析的参考成人健康志愿者初始临床试验治疗性药物最大安全起始剂量估算2005体表面积 HED 换算表Km 因子被allometry_and_fih.py使用生理药代动力学分析——格式与内容2018PBPK 申报必须包含的内容人体放射性标记质量平衡研究的临床药理学考量——肾损伤与肝损伤指南—研究设计包括缩减/分阶段设计2022 群体药代动力学最终指南该指南对申报影响最大仓库中 population-pk.md 将其要求落实为可操作清单前瞻性分析计划——模板见 assets/popk-analysis-plan.md其中每个方括号字段都是分析开始前要作出的决策分析完成后补写的计划在评审者眼中一目了然明确的 BLQ 处理——指南接受 Beal M1-M7 各法但 M3极大似然BLQ 贡献观测低于 LLOQ的概率是参考方法。经验法则BLQ 占比低于约 10% 时 M1 可辩护高于此则用 M3基于模拟的诊断——pcVPC 在剂量或协变量存在受试者间差异时必须使用否则预测的受试者间离散会淹没比较收缩不是选择判据——eta 收缩超过约 20-30% 意味着个体估计向群体均值坍缩这会削弱 eta-协变量图与 IPRED 诊断的解释力但指南明确指出基于收缩进行模型选择并非必要。分析开始前的数据检查由 check_popk_dataset.py 完成——它专门捕获 NM-TRAN 会静默接受的缺陷非数值 DV 会被当作 0 拟合、空白协变量变成 0缺失体重变成 0 kg 患者、ADDL没有II时不放置任何附加剂量、同时间戳记录按文件顺序应用。Project Optimus剂量优化取代 MTD2024 年 8 月最终定稿的肿瘤剂量优化指南要求以最大化获益-风险为目标确定剂量而非最大耐受剂量 MTD随机比较多个剂量并在每个方案中内置足以支撑群体 PK 与剂量/暴露-反应分析的采样与分析计划。仓库中与之呼应的两个脚本simulate_regimen.py在典型患者之外评估群体达标率——这是 Optimus 思想的核心工具只按典型患者调剂量会让约半数人群落在目标错误一侧exposure_response.py安全性与疗效的 E-R 必须同时建模单为疗效最优的剂量并非最优。2005 最大安全起始剂量指南与 Km 因子FDA 2005 年指南中的体表面积 HED 换算表Km 因子在仓库中有直接代码实现。查看 allometry_and_fih.py 源码可确认KM_FACTORS表中存储各物种的体重-表面积换算因子HED 动物剂量 (mg/kg) × Km_animal / Km_human脚本同时会输出一条 finding提示 NOAEL 衍生的 MRSD 对激动型免疫调节剂并不充分应改用--mabel计算最低预期生物学效应水平并取较低值。这正对应原文档中估算最大安全起始剂量指南的实践约束。EMA 指南台账报告结构与 PBPK 申报EMA 台账涵盖 5 份指南指南主题群体药代动力学分析结果报告EMA/CHMP/EWP/185990/2006popPK 报告的结构与内容生物等效性研究范围正被 ICH M13A 取代EMA 已发布实施考量PBPK 建模与模拟的应用PBPK 的确认qualification与报告生理药代动力学建模与模拟的报告—抗癌药品评价剂量优化预期与 Project Optimus 平行值得注意的两点生物等效性指南正被 ICH M13A 取代EMA 已发布实施考量——再次印证 M13 系列的全球协调定位EMA 对 PBPK 强调 qualification 与报告。仓库中 pbpk.md 给出了 PBPK 申报的完整要素平台与版本、每个药物参数及其来源实测/预测/优化若为优化需说明对照什么、Kp 预测方法、吸收模型、验证数据集及结果、敏感性分析。输入不可逐项溯源的 PBPK 预测无法被他人评估也不会被接受。各分析类型必须申报的内容这是原文档的第三大板块也是申报工作的直接检查清单。以下六类分析各自必须陈述的要素与仓库中对应脚本输出逐一对应非房室分析NCA必须申报梯形法则前段/中段/尾段 BLQ 规则lambda_z 选择规则含每个受试者的窗口与点数AUCinf 是基于观测还是预测的 Clast揭盲前固定的排除标准软件及版本。仓库对应实现 nca.py 将这四个通常隐式的选择显式化--auc-method默认linup-logdown、--blq-rule、--lambda-z-points或显式--lambda-z-window以及报告auc_inf_obs还是auc_inf_pred。lambda_z 采用标准规则从最后三个可定量点开始、逐步向后扩展、仅当调整后r² 改善超过 0.0001 时才保留更长窗口Tmax 及之前的数据点永远不参与。各项参数定义与报告惯例见 nca-conventions.md申报检查清单见 assets/nca-reporting-checklist.md。群体药代动力学popPK必须申报前瞻性分析计划含排除标准与 BLQ 处理的数据组装结构、统计与协变量模型及其依据估算方法与软件版本含 pcVPC 的诊断带不确定性的参数估计模型的预期用途及其针对该用途的确认对计划的偏离要记录在案而非悄悄吸收。check_popk_dataset.py 负责数据组装检查population-pk.md 提供估算方法FO/FOCE/FOCE-I/Laplace/SAEM/IMP/NUTS、BLQ M1-M7、协变量建模与诊断的完整细节assets/popk-analysis-plan.md 则是计划书模板。FDA 2022 指南要求协变量策略在分析前定义——这正是模板中每个方括号字段的意义。暴露-反应E-R必须申报暴露指标及其为何是机制上正确的那一个疗效与安全性两方面的关系对暴露与预后之间混杂的显式处理数据覆盖的剂量或暴露范围以及什么是 extrapolation。exposure_response.py 的--emax模式报告fraction_of_emax_reached当最高观测暴露仅达到估计 Emax 的三分之一时Emax 与 EC50 是强相关的 extrapolation 而非独立估计——此时应报告斜率而不是这两个参数。混杂问题患者被随机分配到剂量而非暴露在该技能中被反复强调详见 pd-and-exposure-response.md。生物等效性BE必须申报设计与依据对数变换分析90% CI 对照预先指定的限度判据ABE、ABEL 或 RSABE在方案中固定脱落与给药前浓度的处理以假定 GMR 与 CV 为基础的样本量论证。bioequivalence.py 的--power模式精确复现已发表的样本量表CV 30%、GMR 0.95、80% 功效 → 2×2 设计 N40并通过积分估计标准差的抽样分布而非把标准误当已知来计算功效。样本量由三个因素按影响力排序驱动假定真实 GMR、受试者内 CV、目标功效——假定 GMR 为 1.00 而非 0.95 会使计算出的 N 大约减半这正是 BE 研究功效不足的最常见原因。PBPK必须申报平台与版本每个药物参数及其来源实测/预测/优化Kp 预测方法在未经测试的应用之前先对照观测临床数据验证对不确定输入的敏感性分析模型文件。pbpk.md 是仓库内的完整参考Kp 预测方法Rodgers Rowland、Poulin Theil、Berezhkovskiy、Schmitt可产生数倍差异并直接传播到 VssIVIVE 系统性低估清除率常为 2-5 倍经验性缩放因子必须声明——这是 PBPK 模型最薄弱的环节。DDI必须申报基于基础模型结果与截断值的逐步评估触发进一步工作的原因机制性静态或 PBPK 精化及其验证使用 index 抑制剂/底物的临床研究说明书结论。ddi_static.py 实现 ICH M12 基础模型及截断值肝 R1 ≥ 1.02、肠 R1 ≥ 11、TDI R2 ≥ 1.25、诱导 R3 ≤ 0.8、转运体按位点截断与机制性静态模型。机制性静态模型在输出预测的同时报告天花板note: With fm 0.9, no inhibitor of this pathway can raise the victim AUC above 10.00-fold. If the prediction approaches that ceiling, fm is doing more work than the inhibition constants.fm与Fg对答案的主导作用远大于抑制常数而这两者通常是计算中最不确定的输入——ddi-and-qt.md 建议在其合理范围内做敏感性分析这比点预测更有信息量。Model-informed drug development申报前与监管沟通FDA 与 EMA 均有在申报前讨论基于模型证据的项目FDA 的 MIDD Paired Meeting Program模型知情药物开发配对会议EMA 的 Qualification of Novel Methodologies新方法确认。原文档的核心观点当模型意图替代一项研究而非支持一项研究时尽早沟通是决定模型是否被接受的关键。对模型的严谨性要求随模型被要求承担的任务量级而缩放——替代儿童研究或支持说明书声明所要求的证据等级远高于辅助选择 II 期剂量。这也解释了为什么 popk-analysis-plan.md 模板把模型的预期用途放在目标之后、数据之前Characterise the population pharmacokinetics 不是目标只是活动——每个目标必须指明其服务的决策下一项研究的剂量、说明书语句、协变量调整、豁免。总体原则监管方按预期用途评价模型原文档以一条总体原则收尾这也是整个台账的灵魂监管方不是抽象地评价模型而是对照其预期用途。一个足以选择 II 期剂量的模型并不自动足以豁免儿科研究或支持说明书声明。先陈述预期用途所需的证据、验证与文档随之确定。这条原则在仓库中得到完整落地计划书模板要求预期用途前置assets/popk-analysis-plan.md技能边界明确声明脚本只报告不结论SKILL.md——bioequivalence.py不裁定制剂等效、tdm_bayes.py只是建模辅助任何方案变更都是临床医生的决定每类分析的申报要素清单本文上一节本质上都是从预期用途反推出来的证据要求用途越重验证越严。速查监管要求 → 仓库工具映射监管指南仓库落地工具/文档ICH M12DDIddi_static.py、ddi-and-qt.mdICH M13 系列BEbioequivalence.py、bioequivalence.mdICH E11A儿科外推special-populations.md、allometry_and_fih.pyICH E14/S7BQTexposure_response.py --cqtc、ddi-and-qt.mdFDA 2022 群体药代动力学population-pk.md、check_popk_dataset.py、popk-analysis-plan.mdFDA Project Optimus剂量优化simulate_regimen.py、exposure_response.pyFDA 2005 MRSDKm 因子allometry_and_fih.pyFDA 2018 PBPK 申报 / EMA PBPKpbpk.md各分析类型申报要素nca-conventions.md、nca-reporting-checklist.md、population-pk.mdM10生物分析方法验证analytical-method-validation技能SKILL.md最后的提醒仍然来自原文档开头的声明本台账核验于 2026-07-27ICH 指南要求是直接概括而非转述——正式申报前始终以各监管机构发布的权威版本为准。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考